Uplink Scheduling in Multi-Cell OFDMA Networks: A Comprehensive Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper proposes a comprehensive study of uplink scheduling in multi-cell OFDMA networks. We first focus on two scenarios for the homogeneous case, one without and one with a Cloud-RAN (C-RAN), and explore how to design efficient practical uplink schedulers for those scenarios. To compute the best achievable performance (BAP) under complete information, we study a centralized multi-cell scheduler. To this end, we formulate an MINLP problem and show how to solve it quasi-optimally. Then, we study the performance of an existing practical local benchmark scheduler (LBM) in terms of goodput and losses. We compare its performance to BAP and show that LBM only yields 44 percent of BAP. To reduce this performance gap, we propose two practical enhancements for LBM, one per scenario. The enhanced scheduler for the first scenario yields 51 percent of BAP (70 percent for the second). To reduce the gap further, we propose a new scheduler inspired by soft-frequency reuse (SFR). Its performance is 69 percent (resp. 83 percent) of BAP. It outperforms LBM by 56 percent for the scenario without C-RAN (84 percent with C-RAN). We finally extend our SFR-based scheduler to heterogeneous networks and show that it outperforms LBM by 53 percent for the scenario without C-RAN (96 percent with C-RAN).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle